ALBERT: A Lite BERT for Self-supervised Learning of Language Representations

[Subin An]

• https://arxiv.org/abs/1909.11942
• ALBERT

[Subin An]

Introduction

• pretraining NLP 모델은 갈수록 커지고 있어
  • gpu/tpu 리소스 문제
  • 훈련 시간이 너무 길다
• 2가지 parameter reduction techniques 소개
• 그래서 모델 파라미터수는 1/18이지만 성능은 비슷한 ALBERT!

Factorized embedding parameterization

• 기존 BERT는 입력 E(Embedding)와 H(Hidden)의 레이어 사이즈 동일
  • 모델 관점에서 E(=WordPiece임베딩)은 context-independent한 정보를
  • H는 context-dependent한 정보를 학습하는 것을 원함
  • 근데 BERT의 장점은 context-dependent한 정보를 학습하는 것
  • 관계의 효과적인 학습을 위해 H >> E가 되게 모델링함
  • 그럼 길이가 안맞는데???는 행렬곱 연산을 중간에 넣어 길이를 맞춰줍니다.
    • 기존 인코딩 V(vocab size) x E 행렬로 변환
    • 이를 (V x E) + (E x H)와 같이 행렬을 하나 추가하여 길이를 맞춰줌 (이래서 factorized)
      • 카엔 인턴 시절 모델 경량화 관련으로 설명들을 때 비슷한 테크닉을 본 것 같은 기억
    • E를 기존 H보다 작은 값으로 했으므로 훨씬 이득
    • 성능도 크게 떨어지지 않음 (딜교 ㄱㅇㄷ?)

Cross-layer parameter sharing

• Transformer layer간 파라미터 공유
• Recursive Transformer로 봐도 무방
• FFN(Feed Forward Network)는 공유하면 성능 좀 떨어짐
  • 논문에서 이야기하는 성능이 크게 차이 없다. 차이가 있다는 스코어 상 어떤 기준인거지
• 근데 논문에 해석이 없다. 왜일까. 왜 잘되는거지. ㅁㄴㅇㄹ

Inter-sentence coherence loss

• 앞선 논문들(ex.RoBERTa)에서 NSP(Next Sentence Prediction)이 없는 게 낫다고 했지만
• 다음 문장인지 아닌지 맞추는 것은 topic prediction이라 MLM에 비해 어려워서 그런 것
• SOP(sentence order prediction) 제안
  • 문장 두 개를 주고, 정순/역순 맞추는 문제
  • 성능 향상! (NSP는 SOP 못하는데, SOP는 NSP 한다.)

[Subin An]

도움되는 자료

• ESTsoft : 딥러닝 모델 압축 방법론과 BERT 압축
• y-rok님 논문 정리본